【免费下载链接】MiroSharkSimulate anything, for $1 less than 10 min - Universal Swarm Intelligence Engine项目地址https://gitcode.com/gh_mirrors/mi/MiroShark点击查看免费下载MiroShark 是一个号称1美元、10分钟内模拟任何事的通用群体智能引擎它能把一段文字变成数百个会发帖、会争吵、会下注的AI智能体。这篇文章带你拆解 MiroShark 智能体人格生成Agent Persona Generation的完整原理图谱接地如何给每个 Agent 注入世界观人口统计锚定Demographic Grounding如何固定其基础人设Web 增强又如何为公众人物补足真实世界背景。为什么真实感是群体仿真的生命线群体智能仿真的价值取决于 Agent 是否像真的。一个没有背景、没有立场、没有盲区的人设只会输出正确的废话而一个接地grounded的人设会像真实用户一样发帖、反驳、甚至改口。MiroShark 的答案是把人格生成做成一条多层接地流水线先由 LLM 从你的场景文本中构建知识图谱再把图谱里的每个实体校友、记者、交易所、监管机构……转写成一个完整的社会媒体画像。整体流程可以概括为人格生成的核心代码位于 wonderwall_profile_generator.py它把图谱实体转换为 Wonderwall 仿真平台 所需的 Agent Profile 格式支持 Reddit JSON、Twitter CSV 和 Polymarket 三种导出格式。人格生成总览实体分类与双模板进入生成流程前WonderwallProfileGenerator 会先判断实体是个人还是机构个人实体学生、教授、政治家、CEO、记者等→ 生成具体的人物小传机构实体大学、媒体、政府机构、NGO、公司等→ 生成官方账号的运营手册这个区分直接决定了 Prompt 的形态也让一个仿真里既有鲜活个体、也有机构发声更接近真实的舆论场。个人画像写给演员的角色简报个人实体的 Prompt见 _build_individual_persona_prompt要求 LLM 输出一段 800–1200 词的角色简报覆盖六个维度WHO THEY ARE什么塑造了他们的世界观而不只是履历HOW THEY THINK靠数据、情绪还是权威说话是否容易改变立场WHAT THEY CARE ABOUT对仿真主题的 2–3 个最强烈观点THEIR BLIND SPOTS他们错在哪、拒绝考虑什么——每个真实的人都有盲区ONLINE BEHAVIOR发长帖还是金句讽刺还是认真WHAT WOULD MAKE THEM CHANGE THEIR MIND什么证据能让他们改口同时生成简短的 bio不是简历是氛围感、age、gender、MBTI、profession、interested_topics 等结构化字段。机构画像一份传播手册机构实体的 Prompt见 _build_group_persona_prompt则要求输出官方身份、正式立场、语气基调、内容策略、争议处理方式以及红线——这个账号永远不会说的话。这样机构号在仿真里就会表现出克制的官方腔调而不是又一个个人。图谱接地让每个 Agent 都有来处这是 MiroShark 人格生成最核心的差异点Agent 的世界观来自图谱中的真实关系而不是凭空想象。从文本到图谱流程起点是 graph_builder.py场景文本被分块后并行送入存储层由 NER 抽取器 按图谱本体抽取实体与关系写入 Neo4j。每个实体于是携带了属性attributes实体的结构化字段关系边related_edges与它直接相连的事实邻域节点related_nodes一跳之内的相关实体混合检索扩充上下文仅有一跳邻域还不够。_build_entity_context 会再做一次向量 BM25 的混合检索_search_graph_for_entity用关于 X 的全部信息、活动、事件、关系与背景作为查询从全图捞出最多 30 条相关事实与 20 个相关节点摘要去重后拼进上下文。最终 Prompt 里的 CONTEXT 块最多包含实体属性、直接关系事实、邻域实体、全图检索事实、全图检索节点、Web 研究结果六层信息。连粉丝数都不是随机的一个容易忽略的细节Agent 的 karma、粉丝数等社交指标也不是掷骰子。_social_metrics_for_entity_type 会按实体原型给基准值媒体机构 5 万粉、学生 300 粉、政要 1.5 万粉再按图谱度数放大——连接越多的实体声量越大最后叠加一个由实体名哈希决定的确定性抖动。一个在图里是枢纽的实体自然会表现得更有影响力。人口统计锚定用真实普查数据固定基础人设图谱接地解决世界观但不约束人口统计形状——LLM 可能给每个新加坡 Agent 都设定相同的年龄和职业。MiroShark 为此提供了可选的第四层人口统计锚定。Nemotron-Personas从普查数据里抽一行sample_seeds 会从 NVIDIA Nemotron-Personas 的 parquet 数据集中为每次仿真抽取与实体数量相同的人口统计行每行包含 age、sex、婚姻状况、教育程度、职业、行业、收入区间、居住地等真实普查风格字段。采样用 DuckDB 完成列式过滤年龄段、地理区域、性别、职业、学历、行业都可选并以seed参数做确定性洗牌——同一国家、同一种子两次运行产生相同的人口结构方便复现实验。国家级配置是声明式的 JSON 包如 singapore.json声明了数据集来源、地理字段planning_area、区域分组north-east / central 等和前端筛选器的元数据。在 country_registry.py 中自动注册新增国家只需放一个新 JSON 文件零代码改动。锚点如何进入 Prompt_build_individual_persona_prompt 会把种子行渲染成DEMOGRAPHIC ANCHOR块注入 Prompt以这行为该人格的真实人口统计基线bio 和世界观必须与它一致而机构实体收到的是AUDIENCE ANCHOR块——把种子行当作典型粉丝只用来本地化语气和腔调不改变机构身份。生成结束后LLM 漏填的 age / gender / profession / country 字段会自动回落到种子值generate_profile_from_entity保证 Agent 与锚点行内部自洽。纯增量、可优雅降级这个特性是完全可选的未配置国家、国家代码未知、缺少duckdb/huggingface_hub依赖、或种子数少于实体数时系统只打日志或让超出的实体退回纯图谱生成主流程不中断。详见 docs/DEMOGRAPHICS.md。Web增强给公众人物做一次现实调研再好的图谱也未必认识真实世界里的名人。WebEnricher 负责补上这一块。两个触发条件should_enrich 的判断很克制避免无意义的调研开销实体类型属于知名类政治家、名人、CEO、记者、学者、运动员、企业、媒体、大学、政府机构等或图谱上下文太薄少于 150 字符——材料不够必须补课三级研究后端逐级兜底调研按优先级走三条路径见 web_enrichment.py 模块说明SearXNG 联网搜索配置MIROSHARK_SEARXNG_BASE_URL后用真实搜索结果的摘要片段注入 Prompt再交给默认 LLM 综合——即使本地跑 Ollama 也能获得实时数据联网 LLM配置WEB_SEARCH_MODEL如带 web search 的模型直接联网研究训练知识都不行时退回模型自身的知识——对公众人物依然够用调研结果以要点形式8–12 条返回Prompt 明确禁止编造和猜测中文提示词并且按实体名做会话级缓存同一实体只调研一次。批量生成与可靠性兜底人格生成是批量并行的generate_profiles_from_entities 默认 15 路并发先按类型交错实体避免所有机构先生成完所有个人后生成每完成一个就实时落盘支持进度回调。可靠性上有三道防线重试降温LLM 最多尝试 3 次每次 temperature 递减 0.1JSON 修复解析失败时走 json_repair 的兜底修复修不好就抢救出 bio / persona 文本规则兜底全部失败则退回基于实体类型的规则模板_generate_profile_rule_based保证仿真绝不因为一个人设失败而停摆上手配置清单 ️想体验完整的人格生成链路只需在.env中配置配置项作用DEMOGRAPHICS_COUNTRYsg或us启用人口统计锚定需duckdb、huggingface_hubWEB_SEARCH_MODEL指定联网 LLM 做实体调研MIROSHARK_SEARXNG_BASE_URL启用 SearXNG 真实搜索效果最接地三层能力彼此独立、可任意组合关掉 Web 增强不影响人口统计锚定反之亦然。更多架构细节可参考 docs/ARCHITECTURE.zh-CN.md。小结MiroShark 的智能体人格生成本质是一套分层接地工程图谱接地让 Agent 的世界观来自真实关系网络人口统计锚定让年龄、职业、地域有普查级依据Web 增强让名人、机构拥有真实世界背景重试 JSON 修复 规则兜底让批量生成稳如磐石理解这套机制你不仅能更好地使用 MiroShark也能把它当作如何构建可信多智能体仿真的一个完整范例。赞分享【免费下载链接】MiroSharkSimulate anything, for $1 less than 10 min - Universal Swarm Intelligence Engine项目地址https://gitcode.com/gh_mirrors/mi/MiroShark点击查看免费下载相关推荐如何让Roborock扫地机器人真正融入你的智能家居系统你是否曾经遇到过这样的困扰想要远程控制扫地机器人却不得不在手机App和HomeAssistant之间来回切换现在通过homeassistant robo物联网智能家居EasyHook终极指南如何在Windows上轻松实现API钩子技术EasyHook终极指南如何在Windows上轻松实现API钩子技术 EasyHook是一个强大的Windows API钩子框架让你能够用纯托管代码扩展非托逆向工程应用安全Agent Lightning强化学习奖励函数设计终极指南让AI智能体更智能的10个技巧Agent Lightning强化学习奖励函数设计终极指南让AI智能体更智能的10个技巧 Agent Lightning是一个专为AI智能体训练设计的强大框架人工智能强化学习AI Agent大模型创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考